CN112432917B - 一种光谱差异校正方法及系统 - Google Patents

一种光谱差异校正方法及系统 Download PDF

Info

Publication number
CN112432917B
CN112432917B CN201910728930.1A CN201910728930A CN112432917B CN 112432917 B CN112432917 B CN 112432917B CN 201910728930 A CN201910728930 A CN 201910728930A CN 112432917 B CN112432917 B CN 112432917B
Authority
CN
China
Prior art keywords
spectrum
temperature
matrix
signal library
preprocessing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910728930.1A
Other languages
English (en)
Other versions
CN112432917A (zh
Inventor
朱志强
胡振环
冯恩波
任洁
刘建朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Bluestar Cleaning Co Ltd
Original Assignee
Beijing Bluestar Cleaning Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Bluestar Cleaning Co Ltd filed Critical Beijing Bluestar Cleaning Co Ltd
Priority to CN201910728930.1A priority Critical patent/CN112432917B/zh
Publication of CN112432917A publication Critical patent/CN112432917A/zh
Application granted granted Critical
Publication of CN112432917B publication Critical patent/CN112432917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/121—Correction signals
    • G01N2201/1211—Correction signals for temperature

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种光谱差异校正方法及系统，方法包括通过对光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P，基于光谱矩阵P，确定温度信号库M、背景信号库H及光谱温敏信号库W，对未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u；基于光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；基于夹角确定未知温度样本的温度区间；最后使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'，大大提高了模型的预测精度使分子光谱定量或者定性分析模型不受温度变化的干扰，此外该方法可以大大降低建模的工作量。

Description

一种光谱差异校正方法及系统
技术领域
本发明涉及光谱分子技术领域，特别是涉及一种光谱差异校正方法及系统。
背景技术
分子光谱技术(拉曼、红外、近红外光谱)由于快速无损，广泛应用于有机液态或者粘流态物质的快速测量与在线测量。但是分子光谱由于是能量光谱，温度变化导致分子间作用力发生变化，这不仅导致吸光度的变化，而且影响波长位移以及光谱形状。因而在建立分子光谱定量或者定性分析模型时，当介质温度变化较大时则会给预测结果带来较大的偏差。所以在实际应用中需要建立稳健的分析模型来抵抗温度变化的干扰。
Wülfert等人详细考察了五种方法校正温度变化对近红外光谱分析模型准确性、稳健性结果的影响，包括：(1)把温度作为自变量；(2)温度作为因变量建立二维PLS模型；(3)温度作为因变量两步法建立PLS模型；(4)稳健特征变量选择；(5)依据投影方式消除温度变化的影响。但是，考察结果表明，所有线性校正方法都不能有效的解决温度变化对近红外模型预测准确性的影响。目前，大多数方法仍然是采用采集不同温度下样品的近红外光谱，建立温度全局模型的方式解决这一问题。但是，这一方法只能在一定程度上减弱温度变化的影响，而且大大增加了建模的工作量，因此该问题至今没有简单有效的解决方法。
发明内容
本发明的目的是提供一种光谱差异的校正方法及系统，提高模型的预测精度，使分子光谱定量或者定性分析模型不受温度变化的干扰，降低建模的工作量。
为实现上述目的，本发明提供了如下方案：
一种光谱差异校正方法，所述校正方法包括：
获取同一样本不同温度下的光谱；
基于所述光谱确定光谱矩阵；
对所述光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P；
基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W；
获取未知温度样品光谱；
对所述未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u；
基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；
基于所述夹角确定未知温度样本的温度区间；
使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
可选的，所述对所述光谱矩阵进行SNV预处理具体采用以下公式：
Figure BDA0002159881210000021
其中，i＝1,2,3…，j＝1,2,3…，yij为预处理后的光谱，xij为原始光谱，xi为待预处理光谱的平均光谱，σ为待预处理光谱的标准偏差。
可选的，所述对所述未知温度样本光谱进行一阶导数预处理具体采用Savitzky-Golay方法或者差分方法。
可选的，所述基于所述光谱矩阵P，确定温度信号库M具体包括：
mi＝pi-p1，其中，pi为光谱矩阵P中的向量，i＝1,2,3…，p1为光谱矩阵P中的向量，mi为温度信号库M中为不同温度响应区间的光谱的温度响应信号。
可选的，所述夹角具体采用以下公式计算：
Figure BDA0002159881210000022
本发明另外提供一种光谱差异校正系统，所述校正系统包括：
第一光谱获取模块，用于获取同一样本不同温度下的光谱；
光谱矩阵确定模块，用于基于所述光谱确定光谱矩阵；
第一预处理模块，用于对所述光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P；
信号库确定模块，用于基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W；
第二光谱获取模块，用于获取未知温度样品光谱；
第二预处理模块，用于对所述未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u；
夹角计算模块，用于基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；
温度区间确定模块，用于基于所述夹角确定未知温度样本的温度区间；
投影计算模块，用于使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
可选的，所述对所述光谱矩阵进行SNV预处理具体采用以下公式：
Figure BDA0002159881210000031
其中，i＝1,2,3…，j＝1,2,3…，yij为预处理后的光谱，xij为原始光谱，xi为待预处理光谱的平均光谱，σ为待预处理光谱的标准偏差。
可选的，所述对所述未知温度样本光谱进行一阶导数预处理具体采用Savitzky-Golay方法或者差分方法。
可选的，所述基于所述光谱矩阵P，确定温度信号库M具体包括：
mi＝pi-p1，其中，pi为光谱矩阵P中的向量，i＝1,2,3…，p1为光谱矩阵P中的向量，mi为温度信号库M中为不同温度响应区间的光谱的温度响应信号。
可选的，所述夹角具体采用以下公式计算：
Figure BDA0002159881210000032
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明中的上述方法通过对光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P，基于光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W，对未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u；基于光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；基于夹角确定未知温度样本的温度区间；最后使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'，大大提高了模型的预测精度使分子光谱定量或者定性分析模型不受温度变化的干扰，此外该方法可以大大降低建模的工作量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例光谱差异校正方法流程图；
图2为本发明实施例25℃～97℃纯净水原始近红外光谱；
图3为本发明实施例温度校正后25℃～97℃纯净水原始近红外光谱；
图4为本发明实施例25℃～83℃Nacl水溶液原始近红外光谱；
图5为本发明实施例温度校正后25℃～83℃Nacl水溶液原始近红外光谱；
图6为本发明实施例温度校正前25～83℃纯净水和NaCl水溶液原始近红外光谱；
图7为本发明实施例温度校正后25～83℃纯净水和NaCl水溶液原始近红外光谱；
图8为本发明实施例光谱差异校正系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种光谱差异的校正方法及系统，提高模型的预测精度，使分子光谱定量或者定性分析模型不受温度变化的干扰，降低建模的工作量。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例光谱差异校正方法流程图，如图1所示，所述方法包括：
步骤101：获取同一样本不同温度下的光谱。
步骤102：基于所述光谱确定光谱矩阵。
其中，一个光谱即为一个列或者行向量，一系列光谱向量构成光谱矩阵。
步骤103：对所述光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P。
其中，一阶导数预处理具体采用Savitzky-Golay方法或者差分方法，其目的是消除基线漂移的影响。
对光谱矩阵进行SNV预处理具体采用以下公式：
Figure BDA0002159881210000051
其中，i＝1,2,3…，j＝1,2,3…，yij为预处理后的光谱，xij为原始光谱，xi为待预处理光谱的平均光谱，σ为待预处理光谱的标准偏差。
其中，SNV是消除样品不均匀造成的杂散光的影响。
具体的，本发明中对光谱的预处理方法不仅仅局限于一阶导数和SNV预处理，具体的预处理方法可根据实际情况而定，可进行一阶导数、标准正态变量变换(SNV)、二阶导数、多元散射校正(MSC)一种或者多种方法的组合，本发明中的预处理方法囊括近红外光谱技术常用的所有预处理方法。
步骤104：基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W。
因为温度相对于基准温度(一般为25℃)的变化即为该温度引起的样品光谱的变化，因此某一温度下与基准温度下的光谱的差谱即为温度变化引起的光谱差异，通过差分的方式求得一系列温度下的温度信号库M：
mi＝pi-p1，其中，pi为光谱矩阵P中的向量，i＝1,2,3…，p1为光谱矩阵P中的向量，mi为温度信号库M中为不同温度响应区间的光谱的温度响应信号。
这一信号库M即为温度的变化在该区间内引起的光谱信号变化。该信号为温度变化小区间内的投影方向；固定温度时的光谱作为背景库H，即特定测量温度(一般为25℃或者其他温度)下样品的真实光谱，如果只有一个样品的25℃下的光谱则H为一条向量，若有多个样品25℃下的光谱，则H为一个矩阵；计算截取变化最大的区间(即温度响应最敏感的波长区间)，可以通过求矩阵P中向量的标准差，选择一个区间[a,b]，这个区间[a,b]所对应的子空间向量w，组成温度敏感区间W。
步骤105：获取未知温度样品光谱。
步骤106：对所述未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u。
步骤107：基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角。
其中，夹角的计算公式为：
Figure BDA0002159881210000061
步骤108：基于所述夹角确定未知温度样本的温度区间。
夹角θ最小时所对应的温度区间即为该样品温度所对应的温度区间，已知样品温度可以直接锁定到该温度区间。
步骤109：使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
ES|H＝S(STPH ⊥S)-1STPH ⊥；
PH ⊥＝I-PH＝I-H(HTH)-1HT；
其中，向量空间u被分为两部分：被测变量的向量子空间S和被测组分之外变量，即向量相邻子空间H。子空间S指投影方向，相邻子空间H指投影空间，即背景，有
Figure BDA0002159881210000071
如图2-图7所示，水是最常见的溶剂，但是水中存在大量氢键等分子间作用力，对温度极度敏感，因此在对水溶液进行近红外光谱检测时，温度的影响不可忽视。如图2和图4所示分别是温度25～97℃下采集的纯净水和NaCl水溶液近红外光谱，温度间隔为2℃，可以发现光谱存在较大差异，图3和图5为使用本发明对不同温度下采集的纯净水光谱和NaCl水溶液光谱校正后的结果，可以发现校正后光谱精度明显提高。为了进一步比较该发明能够用于提高光谱的测量精度，将25～83℃采集的的纯净水光谱和NaCl水溶液光谱进行对比分析，如图6所示为5650～5500cm-1范围内校正前纯净水(虚线)和NaCl水(实线)溶液原始近红外光谱，可以发现由于温度变化验证掩盖了组分变化信息，而图7中所示校正后的光谱不同温度下采集的纯净水和NaCl水溶液光谱分别几乎为一条直线，两者在5650～5500cm-1范围内存在明显差异，可以用于定量或者定性分析。
图8为本发明实施例光谱差异校正系统结构示意图，如图8所示，所述校正系统包括：
第一光谱获取模块201，用于获取同一样本不同温度下的光谱；
光谱矩阵确定模块202，用于基于所述光谱确定光谱矩阵；
第一预处理模块203，用于对所述光谱矩阵进行一阶导数和SNV预处理，得到光谱矩阵P；
信号库确定模块204，用于基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W；
第二光谱获取模块205，用于获取未知温度样品光谱；
第二预处理模块206，用于对所述未知温度样本光谱进行一阶导数和SNV预处理得到光谱矩阵u；
夹角计算模块207，用于基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；
温度区间确定模块208，用于基于所述夹角确定未知温度样本的温度区间；
投影计算模块209，用于使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种光谱差异校正方法，其特征在于，所述校正方法包括：
获取同一样本不同温度下的光谱；
基于所述光谱确定光谱矩阵；
对所述光谱矩阵进行预处理，得到光谱矩阵P；
基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W；
所述基于所述光谱矩阵P，确定温度信号库M具体包括：
mi＝pi-p1，其中，pi为光谱矩阵P中的向量，i＝1,2,3…，p1为光谱矩阵P中的向量，mi为温度信号库M中为不同温度响应区间的光谱的温度响应信号；
获取未知温度样品光谱；
对所述未知温度样本光谱进行预处理得到光谱矩阵u；
基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；
基于所述夹角确定未知温度样本的温度区间；
使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
2.根据权利要求1所述的光谱差异校正方法，其特征在于，所述对所述光谱矩阵进行预处理具体采用一阶导数和SNV预处理，其中所述SNV预处理具体采用以下公式：
Figure FDA0003956367520000011
其中，i＝1,2,3…，j＝1,2,3…，yij为预处理后的光谱，xij为原始光谱，xi为待预处理光谱的平均光谱，σ为待预处理光谱的标准偏差。
3.根据权利要求1所述的光谱差异校正方法，其特征在于，所述对所述未知温度样本光谱进行一阶导数预处理具体采用Savitzky-Golay方法或者差分方法。
4.根据权利要求1所述的光谱差异校正方法，其特征在于，所述夹角具体采用以下公式计算：
Figure FDA0003956367520000021
5.一种光谱差异校正系统，其特征在于，所述校正系统包括：
第一光谱获取模块，用于获取同一样本不同温度下的光谱；
光谱矩阵确定模块，用于基于所述光谱确定光谱矩阵；
第一预处理模块，用于对所述光谱矩阵进行预处理，得到光谱矩阵P；
信号库确定模块，用于基于所述光谱矩阵P，确定温度信号库M、背景信号库H以及光谱温敏信号库W；
所述基于所述光谱矩阵P，确定温度信号库M具体包括：
mi＝pi-p1，其中，pi为光谱矩阵P中的向量，i＝1,2,3…，p1为光谱矩阵P中的向量，mi为温度信号库M中为不同温度响应区间的光谱的温度响应信号；
第二光谱获取模块，用于获取未知温度样品光谱；
第二预处理模块，用于对所述未知温度样本光谱进行预处理得到光谱矩阵u；
夹角计算模块，用于基于所述光谱温敏信号库W计算所述光谱矩阵u在区间[a,b]内与所述光谱温敏信号库W中的每一个向量w的夹角；
温度区间确定模块，用于基于所述夹角确定未知温度样本的温度区间；
投影计算模块，用于使用正交投影或斜投影，以所述背景信号库H为背景，以所述温度信号库M中的向量mi为投影方向进行斜投影计算，得到校正后的光谱u'。
6.根据权利要求5所述的光谱差异校正系统，其特征在于，所述对所述光谱矩阵进行预处理具体采用一阶导数和SNV预处理，其中所述SNV预处理具体采用以下公式：
Figure FDA0003956367520000031
其中，i＝1,2,3…，j＝1,2,3…，yij为预处理后的光谱，xij为原始光谱，xi为待预处理光谱的平均光谱，σ为待预处理光谱的标准偏差。
7.根据权利要求5所述的光谱差异校正系统，其特征在于，所述对所述未知温度样本光谱进行一阶导数预处理具体采用Savitzky-Golay方法或者差分方法。
8.根据权利要求5所述的光谱差异校正系统，其特征在于，所述夹角具体采用以下公式计算：
Figure FDA0003956367520000032
CN201910728930.1A 2019-08-08 2019-08-08 一种光谱差异校正方法及系统 Active CN112432917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910728930.1A CN112432917B (zh) 2019-08-08 2019-08-08 一种光谱差异校正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910728930.1A CN112432917B (zh) 2019-08-08 2019-08-08 一种光谱差异校正方法及系统

Publications (2)

Publication Number Publication Date
CN112432917A CN112432917A (zh) 2021-03-02
CN112432917B true CN112432917B (zh) 2023-02-28

Family

ID=74689532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910728930.1A Active CN112432917B (zh) 2019-08-08 2019-08-08 一种光谱差异校正方法及系统

Country Status (1)

Country Link
CN (1) CN112432917B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992007275A1 (en) * 1990-10-12 1992-04-30 Exxon Research And Engineering Company Spectral data measurement and correction
CN105259136A (zh) * 2015-11-24 2016-01-20 江南大学 近红外校正模型的无测点温度修正方法
CN105300924A (zh) * 2015-11-24 2016-02-03 江南大学 温度影响下近红外校正模型的无测点补偿建模方法
CN105486658A (zh) * 2015-11-19 2016-04-13 江南大学 一种具有无测点温度补偿功能的近红外物性参数测量方法
CN105787518A (zh) * 2016-03-17 2016-07-20 浙江中烟工业有限责任公司 一种基于零空间投影的近红外光谱预处理方法
WO2018010352A1 (zh) * 2016-07-11 2018-01-18 上海创和亿电子科技发展有限公司 一种定性定量相结合的近红外定量模型构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992007275A1 (en) * 1990-10-12 1992-04-30 Exxon Research And Engineering Company Spectral data measurement and correction
CN105486658A (zh) * 2015-11-19 2016-04-13 江南大学 一种具有无测点温度补偿功能的近红外物性参数测量方法
CN105259136A (zh) * 2015-11-24 2016-01-20 江南大学 近红外校正模型的无测点温度修正方法
CN105300924A (zh) * 2015-11-24 2016-02-03 江南大学 温度影响下近红外校正模型的无测点补偿建模方法
CN105787518A (zh) * 2016-03-17 2016-07-20 浙江中烟工业有限责任公司 一种基于零空间投影的近红外光谱预处理方法
WO2018010352A1 (zh) * 2016-07-11 2018-01-18 上海创和亿电子科技发展有限公司 一种定性定量相结合的近红外定量模型构建方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
乌醋溶液中乌洛托品含量的近红外光谱温度校正模型的研究;梁惠等;《含能材料》;20180521(第05期);全文 *
光谱预处理对近红外光谱快速检测黄酒酒精度的影响;周扬等;《光电工程》;20110415(第04期);全文 *
基于外部参数正交的葡萄糖近红外漫射光谱温度校正;盛伟楠等;《纳米技术与精密工程》;20170930(第05期);第427页第01-09段 *
液化石油气中二甲醚含量快速测定方法研究;朱志强等;《光谱学与光谱分析》;20160430(第04期);第978页第03段、第979页第04段 *
通过向量角转换校正拉曼光谱中乘性干扰;姚志湘等;《光谱学与光谱分析》;20160228(第02期);第420页第01-08段 *

Also Published As

Publication number Publication date
CN112432917A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
Mishra et al. New data preprocessing trends based on ensemble of multiple preprocessing techniques
Zhao et al. Optimization of parameter selection for partial least squares model development
CN101865828B (zh) 用于维护复杂体系光谱校正模型预测能力的方法
WO2017084119A1 (zh) 一种具有无测点温度补偿功能的近红外物性参数测量方法
US10557792B2 (en) Spectral modeling for complex absorption spectrum interpretation
Shao et al. Quantitative determination by temperature dependent near-infrared spectra
Kuligowski et al. Background correction and multivariate curve resolution of online liquid chromatography with infrared spectrometric detection
Kauffmann et al. Inorganic salts diluted in water probed by Raman spectrometry: Data processing and performance evaluation
Yousefinejad et al. Simultaneous spectrophotometric determination of paracetamol and para‐aminophenol in pharmaceutical dosage forms using two novel multivariate standard addition methods based on net analyte signal and rank annihilation factor analysis
CN111487213A (zh) 多光谱融合的化学需氧量测试方法及装置
Tewari et al. On-line monitoring of residual solvent during the pharmaceutical drying process using non-contact infrared sensor: A process analytical technology (PAT) approach
Li et al. Fast determination of four active compounds in Sanqi Panax Notoginseng Injection samples by high‐performance liquid chromatography with a chemometric method
Boysworth et al. Aspects of multivariate calibration applied to near-infrared spectroscopy
Mas et al. Impact of the pretreatment of ATR-FTIR signals on the figures of merit when PLS is used
Oh et al. Micro-volume spectrophotometer with a slope spectroscopy technique
Schoot et al. Predicting the performance of handheld near-infrared photonic sensors from a master benchtop device
Cuadros-Rodríguez et al. Standardization of chromatographic signals–Part II: Expanding instrument-agnostic fingerprints to reverse phase liquid chromatography
CN105259136A (zh) 近红外校正模型的无测点温度修正方法
CN112432917B (zh) 一种光谱差异校正方法及系统
Wehlburg et al. New hybrid algorithm for maintaining multivariate quantitative calibrations of a near-infrared spectrometer
Dai et al. Molecular factor computing for predictive spectroscopy
Pomerantsev et al. Nonlinear multivariate curve resolution alternating least squares (NL‐MCR‐ALS)
Padró et al. Scope of partial least‐squares regression applied to the enantiomeric composition determination of ketoprofen from strongly overlapped chromatographic profiles
CN111141809A (zh) 一种基于非接触式电导信号的土壤养分离子含量检测方法
Jiao et al. Application of fluorescence spectroscopy combined with interval partial least squares to the determination of enantiomeric composition of tryptophan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant